机器之心报告

机器之心编辑部

在今年 5 月的 2020 年全球开发者调查报告中，它连续八年蝉联最常用编程语言榜首。 在 7 月份的 IEEE 2020 编程语言榜单中，它在 Top 10 编程语言榜单中排名第五。 近日，分析腾云网络发布了2020年第三季度《开发者报告》（第19版），对全球159个国家或地区的开发者进行了调研。

根据调查结果，Java 仍然是最流行的编程语言网站制作，其次是 Java，位居第三。 调查内容涵盖了编程语言的流行程度、开发者对开源软件的态度、实际应用以及容器等流行的云技术和.

该报告面向使用各种编程语言的活跃软件开发人员，涵盖世界所有地区和所有类型的程序员。 此外php实例开发，报告结果基于两个数据来源，一个是自 2017 年以来对全球软件开发者数量的独立估计； 另一个是每 6 个月对数万名开发人员进行一次大规模、低偏差的调查结果。

以下是对这份报告的详细解读。

全球 1240 万开发者

根据谷歌的调查结果，微软（包括微软的）是迄今为止最受欢迎的语言，第三季度全球有 1240 万开发者使用它。

自 2017 年以来，估计有 500 万开发人员加入了社区，巩固了其作为世界上最受欢迎的编程语言的地位。

“即使在数据科学或 AR/VR 等最不受欢迎的开发领域，也有超过五分之一的开发人员使用它，”他指出。

此外，使用的开发人员数量在过去一年中有所增加。

尽管在网络、移动和桌面应用程序的开发方面存在一些不足，但由于机器学习、数据科学和物联网应用程序开发或其他一些不存在的用户界面，去年净增加了 220 万开发人员。

数据科学平台首席执行官王在最近的一次采访中表示：“尽管移动应用程序开发的采用率不高，但在用户数量上仍位居前三，这简直就是一个奇迹。”

他指出：“在前端开发中php实例开发，总是使用它或其派生语言。在移动设备上，几乎完全没有使用它。但具有讽刺意味的是，这在某种程度上证明了在和后端开发和数据科学中. 在该领域的强大功能及其广泛流行。

即便如此，目前的开发者总数约为 900 万，比 Java 的 820 万多出约 80 万。

2017年以来，永远最流行，/Java“关注我”

报告数据显示，2020年初Java的流行度超过了Java，这一结果与其他编程语言排行榜得出的结论基本一致。

这是在 2020 年 6 月的排行榜报告中发现的，而 Java 在 2020 年 10 月的人气排名中创下“历史新低”，看起来将取代第二名。 在 2020 年开发者调查中，Java 也比 Java 更受欢迎。

但在甲骨文看来，25岁的Java依然很受欢迎。 全球超过 69% 的全职开发人员使用这种语言，全球部署了 510 亿个运行的 Java 虚拟机。 它指出，自 2017 年年中以来，Java 社区共新增 160 万开发人员网站开发，但过去六个月没有增长。

目前，拥有 600 万至 630 万开发人员的语言包括 C、C++、PHP 和 C#。 第二层是谷歌和苹果认可的安卓应用程序开发语言。 这两种语言的开发者数量在 230 万到 280 万之间。 数据显示，开发者数量超过2020年初。

与此同时，Go、Ruby、C、Rust 和 Lua 的开发者用户群从 80 万到 150 万不等。 这些数字基于 2020 年中期全球 2130 万活跃软件开发人员的估计。

容器 ( ) 成为最流行的云技术

据统计，60%的后端开发人员使用容器，使其成为最流行的云技术。 超过 45% 的数据库服务使用率（例如 AWS、IBM 等的数据库服务）。 大约 57% 使用容器化应用程序的后端开发人员会选择。

有趣的是，对于 的使用，发现有 35% 的开发人员认为他们不会涉足该领域，但有 40% 的受访者表示接触过持续集成（CI），而 37% 的受访者表示说他们正在使用持续集成 (CI)。 交付 ( ) 或持续部署 ( )，两者都处于基础级别。

但报告指出，虽然超过一半 (52%) 的开发人员使用 CI 或 CD 来简化某些工作流程，但只有 25% 的开发人员同时使用两者来自动化从代码修改到生产部署的所有步骤。

“事实证明，开发人员仍然对完全自动化的 CI/CD 持观望态度。近 40% 是手动批准代码部署升级。”

开发人员根据价格、支持/文档​​、开发的难易程度/速度、学习曲线、可扩展性和性能来选择云技术。

完整报告链接：

参考链接：

实用教程（视频回顾）

是一项完全托管的服务，可帮助机器学习开发人员和数据科学家快速构建、训练和部署模型。 它完全消除了机器学习过程中每一步的繁重工作，使开发高质量模型变得更加容易。

10月15日-10月22日，机器之心与AWS举办了三场线上分享会。 整个过程回顾如下：

第1讲：详解

黄德斌（AWS高级解决方案架构师）主要介绍了 等相关组件，并通过在线演示展示了这些核心组件对AI模型开发效率的提升。

视频审核地址：

第 2 讲：构建情感分析“机器人”使用

刘俊义（AWS ）主要介绍了情感分析任务的背景，使用基于Bert的情感分析模型训练，以及使用AWS数字资产盘活方案进行基于容器的模型部署。

视频审核地址：

第三讲：DGL图神经网络及其在上的实践

张健（AWS上海人工智能研究院高级数据科学家）主要介绍了图神经网络，DGL在图神经网络中的作用，图神经网络和DGL在欺诈检测中的应用，以及图神经网络的部署与管理网络模型。 实时推断。

视频审核地址：